[發(fā)明專利]XML數(shù)據(jù)庫(kù)的檢索方法及系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 201310311497.4
• 申請(qǐng)日: 2013-07-23
• 公開（公告）號(hào): CN104346331A
• 公開（公告）日: 2015-02-11
• 發(fā)明（設(shè)計(jì)）人: 趙偉;李浩;鄭程光;孫偉豐;羅正海;陳麗娟
• 申請(qǐng)（專利權(quán)）人: 北大方正集團(tuán)有限公司;方正信息產(chǎn)業(yè)控股有限公司;上海方正數(shù)字出版技術(shù)有限公司
• 主分類號(hào): G06F17/30
• 分類號(hào): G06F17/30
• 代理公司: 北京英賽嘉華知識(shí)產(chǎn)權(quán)代理有限責(zé)任公司 11204
• 代理人: 王達(dá)佐

1.一種XML數(shù)據(jù)庫(kù)的檢索方法，其特征在于，包括：

在XML數(shù)據(jù)庫(kù)中創(chuàng)建全文索引表，所述全文索引表使用關(guān)鍵詞作為鍵值，所述鍵值以數(shù)據(jù)行位置標(biāo)識(shí)TID作為指針，指向所述XML數(shù)據(jù)庫(kù)的節(jié)點(diǎn)表中的含有所述關(guān)鍵詞的節(jié)點(diǎn)數(shù)據(jù)行；

在對(duì)所述XML數(shù)據(jù)庫(kù)進(jìn)行全文檢索時(shí)，將用戶輸入的查詢條件中的關(guān)鍵詞依次匹配所述全文索引表，得到多個(gè)TID集合；

根據(jù)所述關(guān)鍵詞在查詢條件中的邏輯關(guān)系對(duì)所述多個(gè)TID集合進(jìn)行邏輯運(yùn)算，得到符合全文檢索條件的TID集合；

輸出所述符合全文檢索條件的TID集合對(duì)應(yīng)的數(shù)據(jù)行。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述TID集合以位圖的方式存儲(chǔ)。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，在所述XML數(shù)據(jù)庫(kù)中創(chuàng)建全文索引表包括：

將要存儲(chǔ)的XML文檔的文本節(jié)點(diǎn)分詞，得到所述關(guān)鍵詞的集合；

將所述關(guān)鍵詞作為新的索引插入到所述全文索引表中來(lái)指向所述XML文檔的節(jié)點(diǎn)數(shù)據(jù)行。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，在所述XML數(shù)據(jù)庫(kù)中創(chuàng)建全文索引表還包括：

在將所述關(guān)鍵詞作為新的索引插入到所述全文索引表中來(lái)指向所述XML文檔的節(jié)點(diǎn)數(shù)據(jù)行之前，利用所述XML數(shù)據(jù)庫(kù)中的停用詞元數(shù)據(jù)表對(duì)所述集合進(jìn)行過(guò)濾。

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述方法還包括：

對(duì)所述查詢條件進(jìn)行分詞，得到分詞結(jié)果；

從所述分詞結(jié)果中提取關(guān)鍵詞。

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述從所述分詞結(jié)果中提取關(guān)鍵詞包括：

對(duì)所述分詞結(jié)果中的單詞用所述XML數(shù)據(jù)庫(kù)中的停用詞元數(shù)據(jù)表進(jìn)行過(guò)濾；

對(duì)過(guò)濾后的分詞結(jié)果，利用所述XML數(shù)據(jù)庫(kù)中的詞匯關(guān)系元數(shù)據(jù)表發(fā)展所述分詞結(jié)果中的關(guān)鍵詞的關(guān)系詞，和/或利用所述XML數(shù)據(jù)庫(kù)中的詞根化元數(shù)據(jù)表發(fā)展所述分詞結(jié)果中的關(guān)鍵詞的同詞根的詞。

7.一種XML數(shù)據(jù)庫(kù)的檢索系統(tǒng)，其特征在于，包括：

索引表創(chuàng)建模塊，用于在XML數(shù)據(jù)庫(kù)中創(chuàng)建全文索引表，所述全文索引表使用關(guān)鍵詞作為鍵值，所述鍵值以數(shù)據(jù)行位置標(biāo)識(shí)TID作為指針，指向所述XML數(shù)據(jù)庫(kù)的節(jié)點(diǎn)表中的含有所述關(guān)鍵詞的節(jié)點(diǎn)數(shù)據(jù)行；

匹配模塊，用于在對(duì)所述XML數(shù)據(jù)庫(kù)進(jìn)行全文檢索時(shí)，將用戶輸入的查詢條件中的關(guān)鍵詞依次匹配所述全文索引表，得到多個(gè)TID集合；

邏輯運(yùn)算模塊，用于根據(jù)所述關(guān)鍵詞在查詢條件中的邏輯關(guān)系對(duì)所述多個(gè)TID集合進(jìn)行邏輯運(yùn)算，得到符合全文檢索條件的TID集合；

檢索結(jié)果輸出模塊，用于輸出所述符合全文檢索條件的TID集合對(duì)應(yīng)的數(shù)據(jù)行。

8.根據(jù)權(quán)利要求7所述的系統(tǒng)，其特征在于，索引表創(chuàng)建模塊包括：

分詞單元，用于將要存儲(chǔ)的XML文檔的文本節(jié)點(diǎn)分詞，得到所述關(guān)鍵詞的集合；

插入單元，用于將所述關(guān)鍵詞作為新的索引插入到所述全文索引表中來(lái)指向所述XML文檔的節(jié)點(diǎn)數(shù)據(jù)行。

9.根據(jù)權(quán)利要求8所述的系統(tǒng)，其特征在于，所述索引表創(chuàng)建模塊還包括：

過(guò)濾單元，用于在將所述關(guān)鍵詞作為新的索引插入到所述全文索引表中來(lái)指向所述XML文檔的節(jié)點(diǎn)數(shù)據(jù)行之前，利用所述XML數(shù)據(jù)庫(kù)中的停用詞元數(shù)據(jù)表對(duì)所述集合進(jìn)行過(guò)濾。

10.根據(jù)權(quán)利要求7所述的系統(tǒng)，其特征在于，所述系統(tǒng)還包括：

查詢條件分解模塊，用于對(duì)所述查詢條件進(jìn)行分詞，得到分詞結(jié)果；

關(guān)鍵詞提取模塊，用于從所述分詞結(jié)果中提取關(guān)鍵詞。

11.根據(jù)權(quán)利要求10所述的系統(tǒng)，其特征在于，

所述關(guān)鍵詞提取模塊，具體用于對(duì)所述分詞結(jié)果中的單詞用所述XML數(shù)據(jù)庫(kù)中的停用詞元數(shù)據(jù)表進(jìn)行過(guò)濾；對(duì)過(guò)濾后的分詞結(jié)果，利用所述XML數(shù)據(jù)庫(kù)中的詞匯關(guān)系元數(shù)據(jù)表發(fā)展所述分詞結(jié)果中的關(guān)鍵詞的關(guān)系詞，和/或利用所述XML數(shù)據(jù)庫(kù)中的詞根化元數(shù)據(jù)表發(fā)展所述分詞結(jié)果中的關(guān)鍵詞的同詞根的詞。